Optimization of sequential therapies to maximize extinction of resistant bacteria through collateral sensitivity

问题陈述
抗菌药物耐药性（AMR）对全球健康构成严重威胁，新抗生素的研发速度未能跟上耐药性演化的步伐。虽然联合疗法（同时使用多种药物）是一种常见策略，但其存在毒性风险，且有时可能加速耐药性的产生。序贯疗法（依次使用抗生素）基于**协同敏感性（CS）**现象，提供了一种有前景的替代方案。协同敏感性是指细菌对一种抗生素产生耐药性时，对另一种抗生素的敏感性增加。尽管基于协同敏感性的序贯方案具有潜力，但在亚抑制浓度抗生素条件下（此处耐药性演化是一个重大隐患），仍缺乏用于优化换药时机以最大化细菌灭绝的定量设计原则。

方法论
作者开发了一个四基因型随机出生 - 死亡模型，以模拟在两种抑菌抗生素（A 和 B）作用下的宿主内演化动力学。该模型追踪四种细菌种群：

• $x_0$：野生型（对两种药物均敏感）。
• $x_1$：对 A 耐药，对 B 敏感。
• $x_2$：对 B 耐药，对 A 敏感。
• $x_3$：双重耐药（对两种药物均耐药）。

模型的关键特征包括：

• 随机动力学：系统使用 tau-leaping 算法模拟出生、死亡和突变事件（$\mu_1$为获得耐药性，$\mu_2$为失去耐药性）。
• 序贯切换：模拟从抗生素 A 开始。在切换周期 $\tau$ 后，抗生素切换为 B，然后切换回 A，依此类推，持续固定的总治疗时间 $T$。
• 灭绝标准：如果种群数量降至阈值 $0.05\gamma^{-1}$（约 5 个个体）以下，则视为灭绝，其中 $\gamma$ 与承载能力相关。
• 参数：研究聚焦于亚抑制浓度（$k=0.5$，代表 IC50）和强互惠协同敏感性（$k_{CS}=0.05$）。

主要贡献与结果

1. 对切换周期的非线性依赖：
   细菌灭绝的概率非线性地依赖于切换周期 $\tau$。

   • 快速切换（$\tau \to 0$）：导致无法灭绝，因为没有足够的时间让耐药突变体演化并占据主导。
   • 最佳切换：灭绝概率随 $\tau$ 增加而上升，并呈现出与离散切换事件（例如，从 1 次切换增加到 2 次切换）对齐的阶梯式跳跃。
   • 机制：灭绝事件发生在切换后不久。要发生灭绝，种群必须首先演化为由单一耐药基因型主导（例如，在药物 A 下由 $x_1$ 主导）。当药物切换为 B 时，这个主导种群（此时变得敏感）会崩溃。如果种群中包含显著数量的其他基因型（野生型或双重耐药），灭绝的可能性就会降低。

2. 几何分布框架：
   作者提出，灭绝可以建模为每次切换时的一系列伯努利试验（抛硬币）。

   • 他们将累积灭绝概率拟合为分层几何分布，$P_{ext} = 1 - (1 - p)^n$，其中 $p$ 是每次切换的灭绝概率，$n$ 是切换次数。
   • 每次切换的概率 $p$ 并非恒定；它随切换周期 $\tau$ 的增加而增加，并取决于切换次数 $n$。形式为 $p = \alpha\tau + \beta n$ 的拟合能够准确预测累积灭绝概率。

3. 启发式近似：
   作者基于三个关键时间分布推导出了 $p(\tau)$ 的分析启发式公式：

   • 单一耐药突变体主导种群所需的时间。
   • 切换后灭绝所需的时间。
   • 单一耐药突变体未占据主导地位的概率。
     由此得出的公式 $p(\tau) = p_d(\tau)[1 - p_r(\tau)]$（其中 $p_d$ 为衰减概率，$p_r$ 为非主导概率）成功匹配了模拟数据。

4. 对参数的敏感性：

   • 协同敏感性（CS）：强互惠协同敏感性是在亚抑制剂量下实现灭绝的必要条件。随着 CS 减弱（$k_{CS}$ 增加），灭绝概率降至接近零。
   • 抗生素剂量：剂量与灭绝之间的关系呈单峰分布。在极高剂量（接近最小抑菌浓度 MIC）下，无论是否切换都会发生灭绝。在中等亚抑制剂量下，存在一个能最大化灭绝的最佳剂量。在极低剂量下，灭绝概率下降，因为耐药突变体的流入速度减慢。
   • 突变率：与剂量类似，灭绝概率对突变率也表现出单峰依赖性。高突变率可能导致双重耐药菌株（$x_3$）的出现，从而降低灭绝效率。

5. 最优疗法的帕累托前沿：
   在最大化灭绝和最小化双重耐药突变体出现之间存在权衡。

   • 更长的疗程（更多切换）会增加灭绝概率，但如果种群存活，也会增加 $x_3$ 出现的可能性。
   • 作者确定了最佳切换周期的帕累托前沿。对于所研究的参数，切换周期为 $\tau \approx 42$ 最有可能位于该前沿上，允许临床医生通过调整切换次数 $n$ 在最大化灭绝或最小化耐药性之间做出选择。

意义与主张
本文声称提供了用于体外和临床序贯抗生素疗法的定量设计原则。通过证明强协同敏感性即使在亚抑制浓度（单药疗法在此浓度下会失效）下也能导致细菌根除，该研究强调了基于协同敏感性的方案在抑制耐药性演化方面的潜力。

作者强调，他们的随机框架直接捕捉了灭绝动力学，这与无法预测根除的先前确定性模型不同。他们主张，成功的关键不仅在于协同敏感性的存在，更在于切换的时机：必须等待足够长的时间让单一耐药突变体主导种群，然后再进行切换，但又不能等待过久以至于双重耐药出现。帕累托前沿的确定为平衡根除感染和防止泛耐药性演化的双重目标提供了一个实用的框架。

研究结论指出，虽然该模型是简化的（两种药物，四种基因型），但它隔离了基于协同敏感性的切换的核心机制，并表明序贯疗法代表了应对抗生素危机的丰富机遇，具有向癌症治疗和流行病学规模扩展的潜力。